[笔记] Python 常用图像处理库总结

经常需要使用 Python 对图像做处理，那就免不了使用一些图像处理库，特地写了这篇博客记录一下常用的图像处理库。

目录

1. OpenCV 速查表
2. PIL 速查表
3. Matplotlib 速查表

1. OpenCV 速查表

Open Source Computer Vision, 其更广为人知的名字是OpenCV，是 Intel 开源计算机视觉库，由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV 使用 C/C++ 开发，同时也提供了 Python、Java、MATLAB 等其他语言的接口。本文主要是对 OpenCV-Python 的接口进行描述。
此处为相应的文档链接：[英文] [中文]

由 OpenCV 支持的主要格式有：

• Windows bitmaps（*.bmp、*dib）；
• Portable image formats（.pbm、.pgm、*.ppm）；
• Sun rasters（.sr、.ras）；

需要辅助库的格式有：

• JPEG（.jpeg、.jpg、*.jpe）；
• JPEG 2000（*.jp2）；
• Portable Network Graphics（*.png）；
• TIFF（.tiff、.tif）；
• WebP（*.webp）；

-读取图像并显示图像

import cv2
# 读取图像，默认读入彩色图像
# cv2.imread(path,flag = cv2.IMREAD_COLOR)
# cv2.IMREAD_COLOR：加载彩色图像。任何形象的透明度将被忽略。这是默认的标志。
# cv2.IMREAD_GRAYSCALE：以灰度模式加载图像
# cv2.IMREAD_UNCHANGED：加载包含Alpha通道的图像
# 除了上面这三个标志，你可以简单地传递整数 1，0，-1。
img = cv2.imread('example.jpg') # 当该图像不存在时，返回 None
# 显示图像
cv2.namedWindow('example',cv2.WINDOW_NORMAL) # 创建窗口
cv2.imshow('example',example) # 在指定窗口中显示图像
cv2.waitKey(0) # 等待键盘输入，若传入参数为0，则程序将无限制等待用户的案件事件，否则，程序等待所传入参数对应的毫秒时间后，跳出循环。
# 如果程序想响应某个按键，可这样写 ：
# if waitKey(0)==Keyvalue：
#     pass 
cv2.destroyAllWindows() # 删除所有建立的窗口，若需删除指定窗口，则使用cv2.destroyWindow()，并传入指定窗口的名称。

-保存图像

import cv2
# 读取图像
img = cv2.imread('example.jpg')
# 保存图像
# 还可以指定保存图像的品质或压缩率
# 对于 jpg 图像，cv2.imwrite(path,img,[cv2.IMWRITE_JPEG_QUALITY,90])，参数范围为 0~100
# 对于 png 图像，cv2.imwrite(path,img,[cv2.IMWRITE_PNG_COMPRESSION,5])，参数范围为 0~9
cv.imwrite('example.png')

-转换图像格式

import cv2
img = cv2.imread('example.jpg')
# 由 RGB 转为 灰度图
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 由 RGB 转为 HSV
img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

-图像坐标轴
注意：在 OpenCV 中，RGB 图像的通道顺序为 BGR。
OpenCV 所读进来的图像本身就是一个 np.ndarray 实例，其维度为 (height,width,channels)，其原点坐标位于图像的左上角。

-常用方法

import cv2
# 读取图像
img = cv2.imread('example.jpg')
# 图像缩放
# cv2 的图像维度一般以 (height,width,channel)存在，但 resize 不同，以(width,height,channel)存在，且默认采用双线性插值。
# 可选参数 nninterpolation 的取值范围：
# cv2.INTER_NEAREST	最近邻插值
# cv2.INTER_LINEAR	双线性插值（默认设置）
# cv2.INTER_AREA	使用像素区域关系进行重采样。 它可能是图像抽取的首选方法，因为它会产生无云纹理的结果。 但是当图像缩放时，它类似于 INTER_NEAREST方法。
# cv2.INTER_CUBIC	4x4像素邻域的双三次插值
# cv2.INTER_LANCZOS4	8x8像素邻域的Lanczos插值
img = cv2.resize(img,(width,height))
# 通道分离
b,g,r = cv2.split(img)
# 合并通道
img = cv2.merge((b,g,r))
# 复制图像
img = img.copy()
# 获取ROI
ROI = img[top:low,left:right]
# 由 PIL 格式转化为 OpenCV 格式
img = cv2.cvtColor(numpy.asarray(image),cv2.COLOR_RGB2BGR)

2. PIL 速查表

Python Imaging Library ，或者叫 PIL，简略来说， 是Python图像操作的核心库。
不幸的是，它的开发陷入了停滞，最后一次更新是2009年，只支持到 Python 2.7。
不过，目前仍存在一个活跃的 PIL 开发分支，叫做 Pillow。它很容易安装，运行在虽有的主流操作系统上，而且支持Python 3.x。
此处为相应的文档链接：[英文] [中文]

• 读取图像，查看图像信息并显示图像

from PIL import Image
# 读取图像
# Image.open() 返回 Image 类的实例，不需要指定图像格式，由文件内容自动确定图像格式。
img = Image.open('example.jpg')
# 显示图像
img.show()
# Image 类有5个属性，分别如下所示：
# format : 返回图像的格式(PNG,JPG,None等，。如果图像不是从文件读取的，它的值就是 None。
# mode : 返回图像的模式，常用模式有 L (luminance) 表示灰度图像, RGB 表示真彩色图像, CMYK 表示出版图像。
# size : 返回 (width, height)，宽度和高度，单位都是px。
# palette : 仅当 mode 为 P 时有效，返回 ImagePalette 实例。
# info : 以字典的形式返回实例的信息。

• 保存图像

from PIL import Image
# 读取图像
img = Image.open('example.jpg')
# 保存图像
# 调用 Image 类的函数 save，save(filename,format) 函数以特定的图像格式保存图像。
# 若不指定图像格式，save() 方法会根据文件扩展名来选择相应的图像格式。
img.save('OtherExample.jpg')

• 转换图像模式

from PIL import Image
img = Image.open('example.jpg')
# 由 RGB 模式转为 L 模式，即将彩色图像转为灰度图像
img = img.convert('L')

• 图像与张量的转换

import numpy as np
from PIL import Image
# 读取图像
img = Image.open('example.jpg')
# 将 Image 实例转换为 np.ndarray 实例
img = np.array(img)
# 将 np.ndarray 实例转换为 Image 实例
img = Image.fromarray(img)

• 图像坐标轴
  由于 PIL 读取图像后并不是直接以 np.ndarray 的形式存在的，而是以 Image 实例的形式所存在。
  所以要想探究图像的坐标轴，我们得先进行图像与张量得转换。
  查阅资料后，可以得知：
  图片坐标和数组坐标是相反的，坐标原点位于左上角。
  图片坐标第一维是横向向右，第二维纵向向下。
  但是数组坐标第一维是纵向向下，第二维横向向右。

import numpy as np
from PIL import Image
# 读取图像
img = Image.open('example.jpg')
print(img.size) # 输出：(400,200)
# 将 Image 实例转换为 np.ndarray 实例
img = np.array(img)
print(img.shape)# 输出：(200,400,3)

• 常用方法

from PIL import Image
# 读取图像
img = Image.open('example.jpg')
# 图像缩放
img = img.resize((width, height))
# 带 ANTIALIAS 滤镜缩放结果的图像缩放
img = img.resize((width, height),Image.ANTIALIAS)
# 通道分离
r, g, b = img.split()
# 合并通道
img = Image.merge("RGB", (b, g, r))
# 复制图像
img = img.copy()
# 获取 ROI
ROI = img.crop((left,upper,right,lower))
# 由 OpenCV 格式转化为 PIL 格式
image = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) 

3. Matplotlib 速查表

Matplotlib 应该是 Python 2D-绘图领域使用最广泛的套件，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
Matplotlib 的功能和 Matlab 中的画图的功能十分类似，但是 Matlab 进行画图相对来说比较复杂，所以使用 Python 中的 Matplotlib 来画图比较方便。
此处为相应的文档链接：[英文] [中文]

读取图像并展示图像

import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片

# 读取图像
lena = mpimg.imread('example.png') 

# 展示图像
plt.figure("Image") # 设置窗口名称，窗口大小可通过可选参数 figsize 进行设置
plt.imshow(img)　   # 绘制图像，若图像为灰度图，应这样写：plt.imshow(img,cmap='gray')
plt.axis('on') 	    # 显示坐标轴，若不想展示坐标轴，应这样写：plt.axis('off')
plt.title('image')  # 设置图像名称
plt.show()　　　　　　# 展示图像


img = Image.open(os.path.join('images', '2007_000648' + '.jpg'))
gray = img.convert('L')
r,g,b = img.split()
img_merged = Image.merge('RGB', (r, g, b))

# 同时展示多副图像
plt.figure("Other Image") 
plt.suptitle('Multi_Image') 
plt.subplot(2,2,1), plt.title('1'), plt.imshow(img),plt.axis('off')
plt.subplot(2,2,2), plt.title('2'), plt.imshow(img),plt.axis('off')
plt.subplot(2,2,3), plt.title('3'), plt.imshow(img),plt.axis('off')
plt.subplot(2,2,4), plt.title('4'), plt.imshow(img),plt.axis('off')
plt.show()

# 保存图像
plt.savefig("example.jpg")

常用函数

import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片

# 绘制函数

# 绘制单个函数：
plot([x], y, [format1])
# 绘制多个函数：
plot([x], y, [format1], [x2], y2, [format2], ..., [xn], [yn], [formatn])
# 绘制多个函数并对每个函数进行区分：
plot([x], y, [format1], [label1], [x2], y2, [format2], [label2], ..., [xn], [yn], [formatn], [labeln])
# 可选参数 [format] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），
# 具体形式 format = '[color][marker][line]'
# format 接收的是每个属性的单个字母缩写，例如：
# plot(x, y, 'bo-')  # 蓝色圆点实线

# 绘制直方图
plt.bar(x, y)
# plt.bar(left, height, width=0.8, bottom=None, **kwargs)
# left，height，width，bottom这四个参数确定了柱体的位置和大小。
# 默认情况下，left为柱体的居中位置（可以通过align参数来改变left值的含义），即：
# (left - width / 2, bottom)为左下角位置
# (left + width / 2, bottom + height)为右上角位置

参考资料：

• 图像处理
• Python各类图像库的图片读写方式总结
• OpenCV-Python中文教程
• OpenCV图像坐标系与行列宽高的关系
• python matplotlib中常用函数
• Python图表绘制：matplotlib绘图库入门
• Python之Matplotlib库常用函数大全（含注释）
• python 读取并显示图片的两种方法
• Pyplot 教程
• matplotlib绘图——柱状图

---

如果你看到了这篇文章的最后，并且觉得有帮助的话，麻烦你花几秒钟时间点个赞，或者受累在评论中指出我的错误。谢谢！

作者信息：
知乎：没头脑
LeetCode：Tao Pu
CSDN：Code_Mart
Github：Bojack-want-drink